Copertina

Semantic-Aware Adaptive Visual Memory for Streaming Video Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wu, Hang, Mathews, Sherin Mary, Cai, Yujun, Yang, Ming-Hsuan, Wang, Yiwei
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
di: Sun, Bowen, et al.
Pubblicazione: (2025)

DiMo-GUI: Advancing Test-time Scaling in GUI Grounding via Modality-Aware Visual Reasoning
di: Wu, Hang, et al.
Pubblicazione: (2025)

MRFD: Multi-Region Fusion Decoding with Self-Consistency for Mitigating Hallucinations in LVLMs
di: Ge, Haonan, et al.
Pubblicazione: (2025)

VideoStir: Understanding Long Videos via Spatio-Temporally Structured and Intent-Aware RAG
di: Fu, Honghao, et al.
Pubblicazione: (2026)

FluxMem: Adaptive Hierarchical Memory for Streaming Video Understanding
di: Xie, Yiweng, et al.
Pubblicazione: (2026)

FrameMind: Frame-Interleaved Video Reasoning via Reinforcement Learning
di: Ge, Haonan, et al.
Pubblicazione: (2025)

Cure or Poison? Embedding Instructions Visually Alters Hallucination in Vision-Language Models
di: Wang, Zhaochen, et al.
Pubblicazione: (2025)

Text Speaks Louder than Vision: ASCII Art Reveals Textual Biases in Vision-Language Models
di: Wang, Zhaochen, et al.
Pubblicazione: (2025)

CamReasoner: Reinforcing Camera Movement Understanding via Structured Spatial Reasoning
di: Wu, Hang, et al.
Pubblicazione: (2026)

ChainMPQ: Interleaved Text-Image Reasoning Chains for Mitigating Relation Hallucinations
di: Wu, Yike, et al.
Pubblicazione: (2025)

StreamMem: Query-Agnostic KV Cache Memory for Streaming Video Understanding
di: Yang, Yanlai, et al.
Pubblicazione: (2025)

Streaming Video Understanding and Multi-round Interaction with Memory-enhanced Knowledge
di: Xiong, Haomiao, et al.
Pubblicazione: (2025)

FreshMem: Brain-Inspired Frequency-Space Hybrid Memory for Streaming Video Understanding
di: Li, Kangcong, et al.
Pubblicazione: (2026)

StreamingAssistant: Efficient Visual Token Pruning for Accelerating Online Video Understanding
di: Jin, Xinqi, et al.
Pubblicazione: (2025)

Learning Spatial-Semantic Features for Robust Video Object Segmentation
di: Li, Xin, et al.
Pubblicazione: (2024)

VideoPrism: A Foundational Visual Encoder for Video Understanding
di: Zhao, Long, et al.
Pubblicazione: (2024)

StreamingTOM: Streaming Token Compression for Efficient Video Understanding
di: Chen, Xueyi, et al.
Pubblicazione: (2025)

video-SALMONN S: Memory-Enhanced Streaming Audio-Visual LLM
di: Sun, Guangzhi, et al.
Pubblicazione: (2025)

HERMES: KV Cache as Hierarchical Memory for Efficient Streaming Video Understanding
di: Zhang, Haowei, et al.
Pubblicazione: (2026)

Finding Distributed Object-Centric Properties in Self-Supervised Transformers
di: Rawlekar, Samyak, et al.
Pubblicazione: (2026)

StreamingBench: Assessing the Gap for MLLMs to Achieve Streaming Video Understanding
di: Lin, Junming, et al.
Pubblicazione: (2024)

VCU-Bridge: Hierarchical Visual Connotation Understanding via Semantic Bridging
di: Zhong, Ming, et al.
Pubblicazione: (2025)

Em-Garde: A Propose-Match Framework for Proactive Streaming Video Understanding
di: Zheng, Yikai, et al.
Pubblicazione: (2026)

SemVink: Advancing VLMs' Semantic Understanding of Optical Illusions via Visual Global Thinking
di: Li, Sifan, et al.
Pubblicazione: (2025)

Semantic-Aware Adaptive Video Streaming Using Latent Diffusion Models for Wireless Networks
di: Yan, Zijiang, et al.
Pubblicazione: (2025)

Scaling the Long Video Understanding of Multimodal Large Language Models via Visual Memory Mechanism
di: Chen, Tao, et al.
Pubblicazione: (2026)

LiveStar: Live Streaming Assistant for Real-World Online Video Understanding
di: Yang, Zhenyu, et al.
Pubblicazione: (2025)

Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding
di: Tang, Yolo Yunlong, et al.
Pubblicazione: (2024)

Visual Agentic Memory: Enabling Online Long Video Understanding via Online Indexing, Hierarchical Memory, and Agentic Retrieval
di: Li, Aiden Yiliu, et al.
Pubblicazione: (2026)

Causality Model for Semantic Understanding on Videos
di: Yicong, Li
Pubblicazione: (2025)

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding
di: Wang, Yun, et al.
Pubblicazione: (2025)

CAM-VFD: Cross-Attention Multimodal Video Forgery Detection
di: Elkhodary, Hoda Osama, et al.
Pubblicazione: (2026)

Hierarchical, Interpretable, Label-Free Concept Bottleneck Model
di: Xie, Haodong, et al.
Pubblicazione: (2026)

Sharp Eyes and Memory for VideoLLMs: Information-Aware Visual Token Pruning for Efficient and Reliable VideoLLM Reasoning
di: Qin, Jialong, et al.
Pubblicazione: (2025)

AdaCM$^2$: On Understanding Extremely Long-Term Video with Adaptive Cross-Modality Memory Reduction
di: Man, Yuanbin, et al.
Pubblicazione: (2024)

ReWind: Understanding Long Videos with Instructed Learnable Memory
di: Diko, Anxhelo, et al.
Pubblicazione: (2024)

Reinforced Embodied Active Defense: Exploiting Adaptive Interaction for Robust Visual Perception in Adversarial 3D Environments
di: Yang, Xiao, et al.
Pubblicazione: (2025)

PEARL: Personalized Streaming Video Understanding Model
di: Zheng, Yuanhong, et al.
Pubblicazione: (2026)

EchoPilot: Training-Free Ultrasound Video Segmentation via Scale-Space Semantic Prompting and Reliability-Gated Memory
di: Xiao, Ruiqiang, et al.
Pubblicazione: (2026)

Response-G1: Explicit Scene Graph Modeling for Proactive Streaming Video Understanding
di: Ma, Ke, et al.
Pubblicazione: (2026)